การวิเคราะห์ Walk-Forward เพื่อป้องกัน Curve Fitting — ขั้นตอนการ Optimize EA ที่ถูกต้อง

เมื่อคุณ Optimize พารามิเตอร์ใน Strategy Tester ของ MT5 คุณจะพบพารามิเตอร์ที่ให้ผลลัพธ์ดีที่สุดกับข้อมูลในอดีต อย่างไรก็ตาม "พารามิเตอร์ที่ดีที่สุด" นั้นอาจถูกปรับให้เหมาะกับข้อมูลในอดีตมากเกินไป (Curve Fitting) การวิเคราะห์ Walk-Forward คือวิธีการป้องกันการ Optimize มากเกินไปนี้

Curve Fitting (การ Optimize มากเกินไป) คืออะไร

ปัญหาของการ Optimize Backtest:
พารามิเตอร์ที่ดีที่สุดสำหรับข้อมูล 10 ปีในอดีต → ใช้ไม่ได้กับอนาคต

ตัวอย่าง: เมื่อ Optimize ช่วง EMA ในช่วง 10–50

ค่าที่ถูก Optimize (EMA=21) ให้ผลดีที่สุดใน Backtest แต่ในอนาคตอาจให้ผลต่ำกว่าที่คาดหวัง นี่คือ Curve Fitting

หลักการทำงานของการวิเคราะห์ Walk-Forward

การวิเคราะห์ Walk-Forward แบ่งข้อมูลออกเป็น "ช่วง Optimize (In-Sample)" และ "ช่วงตรวจสอบ (Out-of-Sample)" แล้วทำซ้ำตามลำดับเวลาเพื่อตรวจจับการ Optimize มากเกินไป

【ตัวอย่างการแบ่งข้อมูล (10 ปี)】

├─ ช่วง Optimize ─┤─ ช่วงตรวจสอบ ─┤
2015–2018          2019       → หาพารามิเตอร์ A และตรวจสอบในปี 2019
     ↓
2016–2019          2020       → หาพารามิเตอร์ B และตรวจสอบในปี 2020
     ↓
2017–2020          2021       → หาพารามิเตอร์ C และตรวจสอบในปี 2021
     ↓
(ทำซ้ำต่อไป)

การรวบรวมผลลัพธ์จากแต่ละช่วงตรวจสอบช่วยให้ประเมินได้ว่า "พารามิเตอร์ของ EA นี้มีเสถียรภาพแม้สภาพตลาดเปลี่ยนแปลงหรือไม่"

วิธีดำเนินการวิเคราะห์ Walk-Forward (MT5)

Strategy Tester ของ MT5 ในปัจจุบันยังไม่รองรับการวิเคราะห์ Walk-Forward โดยตรง คุณสามารถใช้วิธีทดแทนดังนี้

วิธีที่ 1: แบ่ง In-Sample / Out-of-Sample ด้วยตนเอง

ขั้นตอน:

1. ตั้งค่าช่วง Backtest เป็นปี 2015–2020 แล้ว Optimize
2. เลือกพารามิเตอร์ที่ดีที่สุด 3–5 ตัวจากผลการ Optimize
3. นำพารามิเตอร์ที่เลือกไปทำ Backtest ในช่วง 2021–2025 (Out-of-Sample)
4. เปรียบเทียบ PF ระหว่างช่วง Optimize และ Out-of-Sample

เกณฑ์การประเมิน (Walk-Forward Efficiency):
WFE = PF ของ Out-of-Sample ÷ PF ของ In-Sample × 100%

WFE 60% ขึ้นไป → ผ่าน (ไม่มีการ Optimize มากเกินไป)
WFE 40–60%     → ต้องติดตามดู
WFE ต่ำกว่า 40% → สงสัย Curve Fitting (ห้ามใช้)

วิธีที่ 2: ใช้เครื่องมือจากบุคคลที่สาม

• Strategy Quant X: สามารถ Automate การวิเคราะห์ Walk-Forward ได้
• Walk-Forward Optimization ของ MT5 (Experimental): มีในบางเวอร์ชัน

ข้อควรระวังในการ Optimize

ข้อควรระวังที่ 1: จำกัดตัวแปรที่ Optimize ไว้ที่ 1–2 ตัว

ยิ่ง Optimize พารามิเตอร์หลายตัวพร้อมกัน ความเสี่ยง Curve Fitting ยิ่งสูงขึ้น

✅ ตัวอย่างที่ดี: Optimize เฉพาะช่วง EMA (10–50, Step 5)
❌ ตัวอย่างที่ไม่ดี: Optimize ช่วง EMA × ATR Multiplier × ช่วง RSI พร้อมกัน

การเพิ่มตัวแปร Optimize ทำให้เกิด "Combinatorial Explosion" ซึ่งเพิ่มโอกาสค้นพบชุดค่าที่ดีโดยบังเอิญเท่านั้น

ข้อควรระวังที่ 2: อย่าใช้ Top 1 จากผลการ Optimize

พารามิเตอร์ที่แสดง PF สูงที่สุดในรายการผลการ Optimize คือพารามิเตอร์ที่มีโอกาส Curve Fitting สูงที่สุด

ให้ใช้วิธีต่อไปนี้แทน:

แนวทางที่แนะนำ:
1. ดึงพารามิเตอร์ที่อยู่ใน Top 20%
2. ค้นหากลุ่มพารามิเตอร์ที่ใกล้เคียงกัน (Cluster)
3. เลือกพารามิเตอร์ใกล้ค่ากลาง (Median) ของ Cluster

ตัวอย่าง: หากผลการ Optimize ช่วง EMA เรียงตาม PF สูงสุดได้ 21, 23, 19, 35, 22, 20... จะเห็น Cluster ที่ 20–23 ให้เลือกค่า Median ของ Cluster นั้น (21–22)

ข้อควรระวังที่ 3: ใช้ช่วงเวลา Optimize ที่ยาวเพียงพอ

การตั้งค่าที่แนะนำ:
- ช่วง Optimize (In-Sample): 5–7 ปี
- ช่วงตรวจสอบ (Out-of-Sample): 2–3 ปี
- อัตราส่วน (In-Sample : Out-of-Sample): 70:30 ถึง 80:20

ยิ่งช่วงเวลา Optimize สั้น ความเสี่ยง Optimize มากเกินไปยิ่งสูง

วิธีอ่านผลการวิเคราะห์ Walk-Forward

ลักษณะของ EA ที่ดี

• WFE (Walk-Forward Efficiency) 60% ขึ้นไป
• PF ของ Out-of-Sample อยู่ในช่วง 50–90% ของ In-Sample
• PF เป็นบวกในทุกช่วงตรวจสอบ (บวกตลอดทุกช่วง)

ลักษณะของ EA ที่ต้องระวัง

• WFE ต่ำกว่า 40%
• ผลดีเฉพาะช่วงตรวจสอบบางช่วง (ช่วงอื่นติดลบ)
• PF ของ In-Sample สูงกว่า 3.0 (เป็นรูปแบบทั่วไปของการ Optimize มากเกินไป)

เคล็ดลับการออกแบบพารามิเตอร์ที่ Overfit ได้ยาก

เคล็ดลับที่ 1: ตรวจสอบความไวของพารามิเตอร์

ตรวจสอบว่า PF ยังคงเสถียรเมื่อใช้พารามิเตอร์ที่อยู่ใกล้ค่าที่ดีที่สุด (±10–20%)

กรณีที่ EMA=21 เป็นค่าที่ดีที่สุด:
EMA=18: PF 1.25
EMA=19: PF 1.31
EMA=20: PF 1.34
EMA=21: PF 1.38  ← ค่าที่ดีที่สุด
EMA=22: PF 1.33
EMA=23: PF 1.29
EMA=24: PF 1.24

→ PF ยังคงเป็นบวกเสถียรในพารามิเตอร์ใกล้เคียง = กลยุทธ์ที่แข็งแกร่ง

หาก PF เปลี่ยนแปลงอย่างรวดเร็วในพารามิเตอร์ที่อยู่ใกล้กัน อาจเป็นสัญญาณของการ Optimize มากเกินไป

เคล็ดลับที่ 2: ใช้ Logic ที่เรียบง่ายซึ่ง Overfit ได้ยาก

EA ที่มีพารามิเตอร์น้อยและ Logic เรียบง่ายจะ Curve Fit ได้ยากกว่า ให้ใช้องค์ประกอบที่เรียบง่าย เช่น EMA Crossover และการตั้ง SL/TP ด้วย ATR

สรุป

สรุปการวิเคราะห์ Walk-Forward:

1. แบ่ง In-Sample (Optimize) : Out-of-Sample (ตรวจสอบ) = 70:30
2. WFE (Walk-Forward Efficiency) = PF ของ Out-of-Sample ÷ PF ของ In-Sample × 100%
3. WFE 60% ขึ้นไปคือเกณฑ์ผ่าน
4. จำกัดตัวแปร Optimize ไว้ที่ 1–2 ตัว
5. เลือกค่า Median ของ Cluster แทนค่าที่ดีที่สุด

การวิเคราะห์ Walk-Forward ช่วยให้คุณระบุ EA ที่ทำงานได้เสถียรใน Forward Test ยิ่ง EA มีผลลัพธ์ Backtest ดีเกินไป การตรวจสอบนี้ยิ่งมีความสำคัญ

คำถามที่พบบ่อย (FAQ)

Q: สามารถทำการวิเคราะห์ Walk-Forward ด้วยฟีเจอร์พื้นฐานของ MT5 ได้หรือไม่?

Strategy Tester ของ MT5 โดยพื้นฐานแล้วยังไม่รองรับการวิเคราะห์ Walk-Forward แต่เวอร์ชันล่าสุดอาจมีฟีเจอร์นี้เป็น Experimental ในบางกรณี วิธีที่แน่นอนที่สุดคือการแบ่งช่วงเวลาด้วยตนเองและทำ Backtest หลายครั้ง

Q: หาก WFE อยู่ที่ 50% ยังสามารถใช้งานได้หรือไม่?

WFE 50% อยู่ในเกณฑ์กึ่งกลาง หาก PF ของ Out-of-Sample สูงกว่า 1.2 สามารถใช้งานจริงได้ แต่แนะนำให้สะสมผลลัพธ์จาก Forward Test อย่างน้อย 6 เดือนก่อนตัดสินใจ

Q: การใช้ EA โดยไม่มีการวิเคราะห์ Walk-Forward อันตรายหรือไม่?

ไม่ถึงกับอันตรายเสมอไป แต่ความเสี่ยง Curve Fitting จะสูงขึ้น อย่างน้อยควรดำเนินการ "สำรอง Out-of-Sample ส่วนหนึ่งจากช่วง Optimize" ไว้ก่อนเสมอ

หน้าที่เกี่ยวข้อง

• ขั้นตอนการทำ Walk-Forward Verification
• วิธีสังเกต Curve Fitting และการ Overfit
• GOLD EMA ATR EA — ผ่านการตรวจสอบ OOS แล้ว (PF 1.61)
• รายชื่อ EA และ Ranking เสถียรภาพ OOS